Apuntando a los problemas de la capacidad de equilibrio de carga deficiente y la débil generalización de los algoritmos de enrutamiento existentes, este documento propone un algoritmo de enrutamiento inteligente, GNN-DRL, en el entorno de Redes Definidas por Software (SDN). El algoritmo GNN-DRL utiliza una red neuronal gráfica (GNN) para percibir la topología de red que cambia dinámicamente, generaliza el estado de los nodos y bordes, y combina la capacidad de autoaprendizaje del Aprendizaje Profundo por Refuerzo (DRL) para encontrar la estrategia de enrutamiento óptima, lo que hace que GNN-DRL minimice la utilización máxima de enlaces y reduzca el retraso promedio de extremo a extremo bajo carga de red alta. En este documento, se compara el algoritmo de enrutamiento inteligente GNN-DRL con el Open Shortest Path First (OSPF), Equal-Cost Multi-Path (ECMP) y la arquitectura de red experimental impulsada por inteligencia para enrutamiento automático (EARS). Los resultados experimentales muestran que GNN-DRL reduce la utilización máxima de enlaces en un 13.92% y el retraso de extremo a extremo en un 9.48% en comparación con el algoritmo de enrutamiento inteligente superior EARS bajo carga de tráfico alta, y puede ser ampliamente extendido a diferentes topologías de red, posibilitando una mejor capacidad de equilibrio de carga y generalización.